<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Draak on Medium]]></title>
        <description><![CDATA[Stories by Draak on Medium]]></description>
        <link>https://medium.com/@draak?source=rss-ae8a4d9aea57------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*GGvCBLiJmsNPFcdmj9shXA@2x.jpeg</url>
            <title>Stories by Draak on Medium</title>
            <link>https://medium.com/@draak?source=rss-ae8a4d9aea57------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 10:29:02 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@draak/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[모바일 앱의 여기서 재탐색 기능 개선!]]></title>
            <link>https://techblog.gccompany.co.kr/%EB%AA%A8%EB%B0%94%EC%9D%BC-%EC%95%B1%EC%9D%98-%EC%97%AC%EA%B8%B0%EC%84%9C-%EC%9E%AC%ED%83%90%EC%83%89-%EA%B8%B0%EB%8A%A5-%EA%B0%9C%EC%84%A0-3c4ee80dabb9?source=rss-ae8a4d9aea57------2</link>
            <guid isPermaLink="false">https://medium.com/p/3c4ee80dabb9</guid>
            <category><![CDATA[search]]></category>
            <category><![CDATA[maps]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[여기어때]]></category>
            <category><![CDATA[ios]]></category>
            <dc:creator><![CDATA[Draak]]></dc:creator>
            <pubDate>Fri, 23 May 2025 03:38:44 GMT</pubDate>
            <atom:updated>2025-05-23T09:25:18.548Z</atom:updated>
            <content:encoded><![CDATA[<p>안녕하세요, 여기어때 iOS 개발팀 드락입니다.</p><p>여기어때 앱은 당연! 하게도 지도 기반 탐색 기능을 제공하는데요, 오늘은 모바일 앱에서 지도 기반 기능을 구현할 때 이해하고 있으면 좋은 특성과, 최근 진행한 지도 검색 로직 개선 포인트에 대해 공유드리고자 합니다.</p><h4>“같은 줌 레벨에서 지도는 디바이스마다 다른 영역을 보여줍니다.”</h4><p>여기어때 앱은 국내 사용자를 위한 지도 기능 구현에 네이버 지도 엔진을 활용하고 있습니다. 우선 스크린샷을 한 장 보시죠.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5P9LEmH8PN4F6Dj_k7RGVw.png" /><figcaption>좌측 아이폰 / 우측 갤럭시 폴드</figcaption></figure><p>두 디바이스 모두 지도의 줌 레벨은 14입니다. 소수점은 표기하지 않았지만 완전히 동일한 값으로 설정되어 있습니다. 하지만 보시는 것처럼, 같은 줌 레벨임에도 불구하고 각각 보이는 지도 영역은 확연히 다릅니다. 9시부터 6시 방향으로 한번 살펴보자면 아이폰은 ‘블루맨 뮤지컬웨딩’부터 ‘길목 신관’까지, 갤럭시 폴드는 ‘S-Tower’부터 ‘삼성동더샵’까지 지도 화면 안에 들어옵니다. 줌 레벨은 같더라도 지도에 표기되는 영역에 차이가 있죠?</p><p>극적인 비교를 위해 아이폰과 갤럭시 폴드를 예시로 삼았지만, 아이폰이라고 하더라도 모델에 따라 화면의 크기와 해상도가 다르기 때문에 동일한 줌 레벨에서 지도에 표시되는 영역에 차이가 있을 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6EcpwRs98Kwf3ug3_zvUrg.png" /><figcaption>좌측 iPhone 12 Pro Max / 우측 iPhone 13 mini. 보여지는 범위가 다르죠?</figcaption></figure><p>지도엔진의 동작 성격 상 디바이스 화면의 크기와 관계없이 같은 줌 레벨에서는 같은 축척의 지도를 제공하는 느낌이라고 이해하면 될 것 같은데요(따라서 화면 크기가 큰 디바이스에서 지도가 더 크게 보이는게 아니라 더 넓은 영역을 화면에 표시하게 됩니다.) 근데..여기에 추가로 디바이스 스크린의 해상도에 따라 조금씩 달라지는 부분도 있어서요 그냥..</p><p><strong>‘같은 지도 같은 줌 레벨이어도 폰이 다르면 노출 영역이 다를 수 있구나’</strong></p><p>정도까지만 인지해 두고 넘어가면 좋을 것 같습니다:)</p><h4>“레거시 지도 재탐색 방식, 그리고 고민들..”</h4><p>이제 지도 화면 기준으로 제휴점을 검색해서 화면에 표시하는 기능을 이야기드려 볼게요. 먼저 레거시 지도 검색 로직을 간단하게 정리해보겠습니다.</p><ol><li>앱에서 디바이스의 줌 레벨과 중앙 좌표값을 서버에 보냄</li><li>서버는 전달받은 줌 레벨에 보편적인 차원에서 최대한 스무스하게(?) 대응되도록 만들어둔 줌 레벨-반경 맵핑 테이블을 참조하여 이 줌 레벨에서는 이 반경값으로 검색하면 되겠다고 알아냄</li><li>중앙 좌표를 기준으로 반경검색을 수행하여 결과를 앱에 제공해 줌</li></ol><p>아래 코드는 줌레벨별 반경 맵핑 테이블 예시입니다</p><pre>public enum ZoomType {<br> ...<br> LEVEL_21(30, 21),<br> LEVEL_20(30, 20),<br> LEVEL_19(50, 19),<br> LEVEL_18(100, 18),<br> LEVEL_17(500, 17),<br> LEVEL_16(1000, 16),<br> LEVEL_15(1000, 15),<br> LEVEL_14(1000, 14),<br> LEVEL_13(1500, 13),<br> LEVEL_12(3000, 12),<br> LEVEL_11(5000, 11),<br> LEVEL_10(10000, 10),<br> LEVEL_9(20000, 9),<br> LEVEL_8(30000, 8),<br> LEVEL_7(30000, 7),<br> LEVEL_6(30000, 6),<br> LEVEL_5(30000, 5),<br> ...<br>}</pre><p>앞서 보신 그림들처럼, 동일한 줌 레벨임에도 디바이스에 따라 지도 범위는 다르게 나타나며, 이렇게 사용자마다 다를 수 있는 지도 범위를 하나의 줌 레벨-반경 맵핑 테이블로 완벽하게 대응할 수는 없습니다. 핀치 제스쳐를 통해 지도의 줌 레벨은 3.55라던가 15.31처럼 소수점 단위로 미세하게 조절될 수 있습니다(하지만 1초도 안되는 짧은 시간임에도 수미터에서 수백킬로미터 단위까지의 극적인 변화가 지도 위에서 발생하고 있어요!).</p><p>미리 짜둔 맵핑 테이블이 이렇게 큰 폭으로 변화하는 줌 레벨에 충분히 대응할 수준의 해상도를 가지고 있기는 어렵습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/976/1*cswkeGb0nE2vlWStBQ80Ug.png" /><figcaption>미세한 줌 레벨 변화를 따라가기 어려운 반경 테이블. 간단히 표현한 예시이며 실제 값은 아닙니다 :)</figcaption></figure><p>이런 테이블기반 반경검색 로직 + 앞서 말씀드렸던 디바이스 스크린마다 같은 줌 레벨임에도 다르게 보여지는 지도 표기 영역으로 인해 깔끔하게 해결하기 어려운 난제들이 발생하게 되는데요</p><ol><li>화면에 알맞은 반경 검색이 되지 않아, 실제 보이는 지도 영역 내에 제휴점이 존재하지 않는다고 잘못 인식됨</li><li>검색된 제휴점이 지도에 보이는 화면을 벗어난 위치에 찍히는 경우가 있어, 경우에 따라 사용자는 검색이 실패한 것처럼 혼동함(앱은 검색 성공 시나리오로 UI가 동작했지만, 보고 있는 지도에는 제휴점 핀이 보이지 않아 사용자는 뭐가 어떻게 된 건지 어리둥절한 경험을 하게 됩니다)</li><li>1번과 2번이 동시에 발생하기도 함</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*MCf7l2P2oCNfNRSGQSE3Sg.png" /><figcaption>고정된 반경 테이블을 사용할때 발생하게 되는 1,2,3번 사례</figcaption></figure><p>1번 사례는 지도 화면의 중앙으로부터 특정 반경 범위를 벗어난 바깥쪽 테두리 영역에 실제로는 제휴점이 존재함에도 검색 반경 범위에 들어오지 않았기 때문에 지도 상 해당 영역에는 제휴점이 없는 것처럼 인지되는 문제가 있습니다.</p><p>2번 사례의 경우 사용자가 우선 적당히 넓은 지도 영역에서 제휴점을 검색한 뒤, 점점 원하는 영역에 가깝게 지도를 확대해 가면서(손가락을 벌려 줌인 및 원하는 위치에 가깝게 지도를 이동하면서) 재검색을 하다 보면 발생되곤 하는 문제입니다.</p><p>UX적으로 해결 방법을 고민해보자니, 영역 내 검색이 완료될 때마다 마커가 화면에 다 보여질 수 있는 위치로 지도 포지션&amp;줌 레벨 변경을 해줘야 하지 않겠느냐..같은 고육지책들을 논의해보지만.. 사용자가 가볍게 지도를 움직여서 탐색 위치를 확정하면 딱 그 영역 내에서 재탐색이 안정감 있게 발생해야 하면 좋은데, 그렇게 사용자의 의지가 반영된 지도 위치 및 줌 레벨 설정을 재탐색이 완료될 때마다 다시 흔든다니..글로 잠깐 상상해봐도 좀 어지럽죠?</p><h4>“폴리곤&amp;박스 검색”</h4><p>위의 고민들은 UI측면에서 어떻게든 완화시켜 보는 방향으로 접근할 게 아니라 근본적인 검색 방식 변경을 폴리곤 및 박스검색으로 바꾸면 자연스레 해결될 성격의 이슈입니다.</p><p>지도 리파인 개발 초기 테크리뷰를 진행하면서 전시 및 검색 개발자분께 문의해본 결과 여기어때의 검색팀은 폴리곤&amp;박스검색을 역시나 한참 전부터 잘 지원해주시고 있었어요, 그래서 앱에 API를 제공해주는 전시팀, 폴리곤&amp;박스 검색을 제공해주는 검색팀과의 협의를 통해 앱에서 서버에 지도검색을 요청하는 방식과 인터페이스 역시 박스 검색 타입으로 바꾸게 됩니다.</p><p>폴리곤&amp;박스 검색에 대해서 잠깐 설명드리겠습니다. 폴리곤 검색은 다수의 위경도 좌표로 이루어진 다각형 내에 포함되는 데이터를 검색하는 방식입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ed0qNlSvUXJ_hE-qaGTEFg.png" /><figcaption>가로수길 / 청계천 폴리곤 예시</figcaption></figure><p>행정구역, 자연지역, 명소 등의 복잡한 모양의 영역 범위를 자유롭게 설정 가능하고 그렇게 설정된 범위 내의 제휴점을 검색할 수 있게 됩니다. 이게 되면 박스 검색은 더 간단하죠? 검색하고자 하는 사각형 범위의 대각선 두 꼭지점만 있으면 해당 범위 내 검색을 수행할 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*GLB8UPujWmqA5wnGo14hJg.png" /><figcaption>사각형 검색</figcaption></figure><p>이렇게 사각형 검색을 통해 여기어때 앱은 어떤 디바이스에서 어떤 줌으로 지도를 보고 있든지간에, 이 영역의 모서리 위경도 값 기반으로 사용자가 보고 있는 지도와 정확하게 핏되는 검색 기능을 지원할 수 있게 개발되고 있습니다.</p><p>기존에 중앙값&amp;줌 레벨로 인터페이스하여 검색을 수행하던 코드에서</p><pre>//현위치 위경도<br>let location: CLLocationCoordinate2D = CLLocationCoordinate2D(latitude: mapView.cameraPosition.target.lat,<br>                                                              longitude: mapView.cameraPosition.target.lng)<br>//현재 지도 줌 레벨<br>let zoomLevel: Int = Int(round(mapView.zoomLevel))<br><br>//검색 수행<br>reactor.action.onNext(.getPOI(location: location,<br>                              zoomLevel: zoomLevel))</pre><p>아래처럼 현 지도 영역의 사각형을 유추할 수 있는 두개의 위경도를 인터페이스하여 검색을 수행하도록 바뀌었습니다.</p><pre>//현재 지도에 노출되고 있는 범위<br>let contentBounds = mapView.contentBounds<br><br>//현재 지도에 노출되고 있는 범위의 남서 위경도<br>let southWest = CLLocationCoordinate2D(latitude: contentBounds.southWestLat,<br>                                       longitude: contentBounds.southWestLng)<br>//현재 지도에 노출되고 있는 범위의 북동 위경도<br>let northEast = CLLocationCoordinate2D(latitude: contentBounds.northEastLat,<br>                                       longitude: contentBounds.northEastLng)<br><br>//검색 수행<br>reactor.action.onNext(.getPOI(bounds: (southWest: southWest,<br>                                       northEast: northEast)))</pre><p>위의 코드는 설명드린 핵심 내용만을 보기 쉽게 표현한 코드이고요, 사용자가 줌아웃을 통해 매우 넓은 영역에 대한 검색이 발생하는 경우에는 서버 부하 등을 고려해서, 필요하다면 특정 줌 레벨을 기준으로 중앙점 기준 반경 검색 방식도 혼용해서 사용할 수 있습니다.</p><p>또한, 중앙 기준 최대 몇 개까지 노출하거나 광고 상품을 우선 노출하는 등의 부가적인 비즈니스 정책들도 함께 고려할 수 있겠죠 :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5wp_FFI0iAuxLRRtjnVGmQ.png" /><figcaption>이런 케이스들에서는 필요하다면 줌 레벨 기준 반경검색 방식 혼용도 고려!</figcaption></figure><p>이 로직을 베이스로 여기어때 앱에 탑재된 지도 관련 기능들이 하나씩 리파인 되고 있습니다.</p><p>모바일 환경에서의 지도는 앞서도 말씀드렸듯이 손바닥보다 작은 지면 위에 약간의 손가락 제스쳐 한번으로 작은 건물 하나 스케일부터 지구레벨 스케일까지 폭력적일 정도로 다이나믹한 변화가 일어나는 영역입니다. 이 엄청난 배리에이션을 한 벌의 통일성 있는 UI 내에서 전부 소화해내야 하죠. 이를 위해 POI 클러스터링, 마커간 충돌시 노출 위계 정책, 줌 레벨별 마커 차등 표출 등등 여기서 다 말씀드리지는 못하지만..작은 지도안에 담긴 수많은 정보들을 사용자에게 잘 제공하기 위한 심오하고 재미있는 기술과 고민들이 많이 있어요 :)</p><p>지도 활용 서비스에 대한 이해와 다양한 지도 베이스 기능 개발에 대한 노하우를 가진다는 것은 디바이스의 각종 센서와 로케이션 기반 기능들을 능숙하게 다뤄야 하는 모바일 앱 개발자로서 좋은 스킬셋 하나를 장착하는 일이라 생각합니다^.^</p><p>여기까지 읽어주셔서 감사합니다!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3c4ee80dabb9" width="1" height="1" alt=""><hr><p><a href="https://techblog.gccompany.co.kr/%EB%AA%A8%EB%B0%94%EC%9D%BC-%EC%95%B1%EC%9D%98-%EC%97%AC%EA%B8%B0%EC%84%9C-%EC%9E%AC%ED%83%90%EC%83%89-%EA%B8%B0%EB%8A%A5-%EA%B0%9C%EC%84%A0-3c4ee80dabb9">모바일 앱의 여기서 재탐색 기능 개선!</a> was originally published in <a href="https://techblog.gccompany.co.kr/">여기어때 기술블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[2024 AWS re:Invent 스케치]]></title>
            <link>https://techblog.gccompany.co.kr/2024-aws-re-invent-%EC%8A%A4%EC%BC%80%EC%B9%98-8c5fc96acfc4?source=rss-ae8a4d9aea57------2</link>
            <guid isPermaLink="false">https://medium.com/p/8c5fc96acfc4</guid>
            <category><![CDATA[여기어때]]></category>
            <category><![CDATA[reinvent]]></category>
            <category><![CDATA[aws]]></category>
            <category><![CDATA[genai]]></category>
            <category><![CDATA[tech]]></category>
            <dc:creator><![CDATA[Draak]]></dc:creator>
            <pubDate>Tue, 31 Dec 2024 07:51:34 GMT</pubDate>
            <atom:updated>2024-12-31T07:51:34.133Z</atom:updated>
            <content:encoded><![CDATA[<p>안녕하세요. iOS개발팀 드락입니다. 2024.12.2~6 라스베가스에서 열린 2024 AWS re:Invent에 다녀오게 되어, 보고 듣고 느낀 것들을 간단히 스케치하고자 합니다.</p><p>저희 일행은 일요일 오전 10시에 인청공항 집결 후 인천에서 LA로, LA에서 미국 국내선으로 환승해서 라스베가스까지 비행하게 됩니다. 이동에는 공항 대기시간을 포함해서 대략 20시간 걸린 것 같네요..</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*REr9_sjHZN0oycWmIw3vCg.jpeg" /><figcaption>A380 처음 타봅니다..뚱땡이 비행기네요 ㅎㅎ</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YQixJWT1wvmyunhQMaa19w.jpeg" /><figcaption>이번 출장동안 저희가 묵을 이집트 컨셉의 룩소르 호텔 모습입니다.</figcaption></figure><p>re:Invent 출장에서 저의 목표는</p><ol><li>컨퍼런스 세션 참관</li><li>엑스포 참관</li><li>업계 분들과 네트워킹 및 다양한 솔루션 듣고 견문 넓히기</li></ol><p>였습니다.</p><p>오전 8시부터 저녁까지 일과 시간 동안 여러가지 다양한 세션들을 들을 수 있었고, 일부를 한번 공유해 봅니다.</p><p>세션 슬라이드들에 임팩트있고 공감갔던 내용들이 많아서 사진을 많이 찍었는데 저작권상 블로그 글에 활용하지 못하고 세션 원본 링크와 글로만 풀어야 하는 점이 조금 아쉽네요 ㅜㅜ</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FgsPlpre1F9o%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DgsPlpre1F9o&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FgsPlpre1F9o%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/15c565a4c5ef7581f3b6151eb745017a/href">https://medium.com/media/15c565a4c5ef7581f3b6151eb745017a/href</a></iframe><p>야놀자클라우드의 CEO Jeff Kim이 스피커로 참석한 세션에서는 AI와 실시간 데이터를 활용한 초개인화 전략, SaaS 솔루션을 통한 호스피탈리티 운영 개선 스토리 등의 소개가 있었습니다. 세션 후 짧게 인사를 나누었는데요. 여기어때를 경쟁사로 생각하지 않고 고객이라고 생각한다고 이야기주셨던 게 기억에 남네요..ㅎㅎ</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F41nlFHF8a50%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D41nlFHF8a50&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F41nlFHF8a50%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/ab1172e1c318bf4dfb14c5b71f789dc6/href">https://medium.com/media/ab1172e1c318bf4dfb14c5b71f789dc6/href</a></iframe><p>미리캔버스로 잘 알려진 미리디에서도 이미 AI를 적극적으로 활용하고 있었습니다. 탬플릿들의 메타데이터를 기반으로 유사 탬플릿들을 모아서 추천하고 있네요. 저희 제휴점 이미지 메타데이터 구축 및 활용과도 유사한 접근이었습니다. 개발자들이 각자의 자리에서 생각하는 게 다들 비슷비슷 합니다 :)</p><p>LLM 서비스의 대표적인 인터페이스 방식인 챗봇의 형태가 자연어로 소통한다는 부분에서 사용법이 조금 모호할 수는 있지만 그만큼 다방면에서 가장 유연한 대응성과 개발 용이성을 가지고 있기도 한 것 같습니다. 가장 모호하지만 대응 범위도 가장 넓다고 하면 될까요.. 그래서 많은 회사들이 챗봇 형식 기반으로 여러가지 부가적인 기능들을 제공하는 식으로 진행되고 있지 않나 싶습니다.</p><ul><li>이미 가지고 있는 데이터들을 어떻게 Gen AI가 잘 인식/처리/제공할 수 있게 할 것인가?</li><li>AI를 통해 나온 결과물.. 일부는 쓸만할 것 같긴 한데 실제 서비스로 쓰기에는 조금 부족하다 싶은 부분들이 섞이게 되는데, 이 부분을 어떻게 잘 처리해서 최종 결과물의 완성도를 올릴 수 있을까?</li></ul><p>현시점에서 Gen AI 활용 관련해서 고민하는 많은 회사들의 공통된 관심사가 아닐까 합니다.</p><p>LG도 자사에서 확보해둔 데이터에 메타정보를 더하고 그를 기반으로 필터링하는 형태를 이미 상당히 진행했고, 내부 서비스에 활용하고 있는 모습이었습니다. Text나 문서를 SQL 또는 xml이나 json등으로 변환하는 기술 역시 이미 활용되고 있었구요.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Fsj_C58AYaR4%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dsj_C58AYaR4&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Fsj_C58AYaR4%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/86fc66ab23520d6ea4db48a0717d7270/href">https://medium.com/media/86fc66ab23520d6ea4db48a0717d7270/href</a></iframe><p>Gen AI 에서 사용자의 요청이 RAG를 활용하는 루트로 작동할지, LLM의 기능을 활용할지, 다른 어떤 방향으로 작동하게 할지, 자연어에 따른 내부 동작의 기준을 세우는 것에 대한 내용도 있었습니다. 한 페이지 한 페이지가 다 공감되는 내용이었습니다 ㅎㅎ 자연어인 이상 같은 의미여도 수많은 표현들이 있을 수 있는데요, 동의어 사전을 구축하고 토크나이즈 된 키워드들에 이를 활용해서 다양한 요청에도 유연하게 대응할 수 있도록 처리하는 방식에 대한 설명도 있었습니다.</p><p>프롬프트 엔지니어링 내용도 있었는데요, LLM은 사람이 완전히 이해하기엔 너무 거대하고 난해한 친구여서.. 프롬프팅을 어떻게 해야 할 지 개인/조직적인 노하우들은 존재할지언정 이렇다 할 만한 방법론은 아직 없는 것 같습니다. 간단한 말은 잘 듣다가..점점 고도화된 요구사항들을 넣다 보면 LLM이 말을 잘 듣지 않거든요. 너무 딥하고 트리키하게 튜닝된 프롬프트는 LLM업데이트 후에 와르르 무너질 리스크도 커지구요.. 이렇게도 요구해보고 저렇게도 요구해보고..어르고 달래보기도 하고 싹 지우고 프롬프트 스타일을 첨부터 다시 정리해보기도 합니다..프롬프팅을 하다 보면 내가 LLM을 내 입맛에 맞게 조정하고 있는 것인지 LLM 입맛에 맞게 내가 프롬프팅을 잘 제공하려 노력하고 있는지 알수 없어집니다…ㅎㅎㅎ</p><p>LG에서는 향후에는 캠페인 대상을 선정하고 컨텐츠를 작성하는 부분에 AI 서포트를 도입하는 그림도 그리고 있었습니다. 수많은 데이터들에서 특정 패턴을 정의하고 분류해 낸 뒤 모아서 정리하는 작업은 사람이 하면 굉장히 소모적이고 비용(시간)도 많이 소모되는 일이기 때문에 AI가 하기에 참 적절한 작업이라고 생각됩니다.</p><p>단, AI가 완전히 자동으로 만들어 낸 컨텐츠는 예상못한 오류, 또는 저품질의 결과물들이 섞여 있을 수 있다고 생각하기 때문에 잘 정제 완료된 최종 결과물 단계에서 사람이 한번 점검하고 필요하다면 리터칭하는게 지금 시점에서는 현실적으로 안정적인 운영이 가능하다고 생각해봅니다. 이런 점검 역할 수행에도 AI가 도입되어가는 추세지만요..^.^</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FVft0x8zvOaA%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DVft0x8zvOaA&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FVft0x8zvOaA%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/1cc7ee15abbb85043b0d2a5629dc8024/href">https://medium.com/media/1cc7ee15abbb85043b0d2a5629dc8024/href</a></iframe><p>이 세션에서는 Gen AI 구현의 장애물 중 가장 높은 비율의 항목은 ‘AI 가치 예측/증명 어려움’이라고 합니다. 아..너무 공감됩니다.. AI에게 시켰을 때 진짜 잘될지 기대 이하일지 해보기 전까진 만드는 사람도 잘 모릅니다. AI에 대한 우리의 경험치도 부족하고 AI 활용 개발 방법론도 아직까지는 없으니까요. 심지어 우리가 경험을 쌓는 속도보다 더 발전된 AI가 출시되는 속도가 더 빠릅니다!</p><p>이런 실정들로 인해 현시점에는 AI활용 파워는 담당자 개인의 실력과 노하우에 많이 의존하는 단계인 것 같습니다. AI가 얼마나 잘 워킹할지에 대한 확신을 세우기 어렵다보니 가치측면에서 얼마나 임팩트를 낼 지 예측이나 증명도 난해한 것 같습니다. 프로젝트를 진행하기 전에 적절한 수준의 목표를 수립하고 이를 달성하는 것도 프로젝트에 AI에 의존도가 높을수록 쉽지 않은 것 같습니다. 시간이 흐르다보면 우리는 언제나처럼 답을 찾을 수 있겠죠..?</p><p>말을 알아듣고 말로 대답한다. 자연어 기반의 챗봇이 활용된다면 말을 텍스트로 변환하고(STT) 텍스트를 읽어주는(TTS) 등의 기능이 따라오는 건 어느 분야에서든 빛과 그림자처럼 세트인 것 같습니다. AI에게 단순 지시와 응답 수준의 의사소통이라면 다국어 지원은 일도 아닌 게 되겠죠.</p><p>영어 세션들도 많았는데 대강 알아듣다가도 아무래도 한국어만큼 일목요연하게 머리에 정리하기에는 좀 어렵습니다ㅜㅜ 번역본 영상을 통해 복습해야 할 것 같습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zZOIS1rJp2jM03MkvAX0UA.png" /></figure><p>세션 이외에도 EXPO에 참석해서 이름만 대면 누구나 알 유명 업체들의 부스를 구경하고 모자나 뱃지, 사탕 등등의 굿즈들도 챙겼습니다. 보라색 양말이라던가 누가봐도 ‘나는 개발자다!’라고 외치는 듯한 모자 등 실제로 안쓸 거 같은 것들이 많기는 했지만요…ㅎㅎㅎ</p><p>영어가 네이티브 수준이면 훨씬 많은 커뮤니케이션이 이루어 졌을텐데, 말 걸었다가 와르르 돌아오는 대답을 다 알아듣지 못할까봐 움츠러드는 내 자신이 좀 아쉬웠습니다.</p><p>저녁에는 re:Invent에 참석한 다양한 업계 분들과 네트워킹 시간을 가졌습니다. 제게 있어 명함이란 건 맨날 받아서 서랍에 넣어뒀다가 직급이 바뀌거나 조직이 변경되면서 그대로 버리는 것이었는데. 이번에 처음으로 꽤 많이 소모해 봤습니다.. ㅎㅎ</p><p>현대, 데이터독, 메가존, 업스테이지, 중고나라, 노션, 당근, 무신사, 리멤버, 카카오스타일, 코오롱 등등 다양한 회사에서 SRE, DA, 백엔드, 보안까지 여러 직군의 업계 분들과 많은 이야기를 나눌 기회가 있었는데 시간 가는 줄을 몰랐습니다 :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/754/1*oVOqWkw8bTZKH1r2DLE0Gg.png" /><figcaption>저녁 네트워킹이 진행되었던 한식 식당.. 여기까지 와서 굳이 한식이냐구요? 한식타임은 소중했습니다..ㅎㅎ</figcaption></figure><p>노션에서 AI 어시스턴스 솔루션 소개 겸 저녁자리에 초대주셔서 맛있는 식사와 함께 노션 AI의 기능에 대해서 들어볼 수 있는 좋은 기회도 있었습니다.</p><p>노션에도 AI 어시스턴트가 적용되어 문서 검색, 정리, 분류 등을 도와주게 됩니다. 노션의 표현으로는 존재하는지조차 잊어버린 문서에서도 정보를 찾아준다고 합니다. 멋지네요! 기능과 함께 강조되었던 부분은. 문서 솔루션인만큼 임의로 고객의 데이터를 AI 트레이닝에 사용하지 않는다고 합니다.</p><p>여러가지 시연을 해주셨는데 문서 작성 및 검색 등 광범위한 영역에서 AI어시스턴스가 도움을 주는 형태였고. 필요성이 납득되고 동작도 잘 될 것으로 보여지는 기능들이 매력적으로 느껴습니다. 써보고 싶어졌어요. 도입한다고 가정했을 때 허들이라면 기존 사용중인 솔루션과의 마이그레이션 이슈와 비용적인 문제 정도가 되려나요 :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nNjPUJ_7v0F0HRc3qeU3Vw.png" /><figcaption>저녁 만찬과 함께하는 노션 AI 기능 설명회 :)</figcaption></figure><p>AWS re:Invent의 꽃이라고 하는 CEO Keynote 만큼은 꼭 현장에서 라이브로 듣는 것을 목표로 했기 때문에 아침 일찍 5시 반 기상 후 셔틀을 타고 행사장으로 이동했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4uKszQ8QLi5ng4Wi1CDBhg.jpeg" /><figcaption>라스베가스의 여명.. 해가 일찍뜨고 일찍집니다</figcaption></figure><p>늦게 오면 현장에서 못듣고 스크린을 통해 밖에서 중계방송을 봐야 하기 때문에 다들 일찍 와서 한참 줄 서 있다가 들어갔습니다.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2Faxi4pl3c8ho%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fshorts%2Faxi4pl3c8ho%3Ffeature%3Dshare&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2Faxi4pl3c8ho%2Fhq2.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/169c436b9a7a11dc504d722ee0416f0a/href">https://medium.com/media/169c436b9a7a11dc504d722ee0416f0a/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GQs5O4rcuUYi1t1gwUOt6A.png" /><figcaption>반대쪽 벽이 잘 안보일만큼 거대한 컨퍼런스룸.. 아니 컨퍼런스 홀에 사람이 가득가득 찼습니다</figcaption></figure><p>CEO Keynote with Matt Garman에 대한 상세한 내용은</p><p>[<a href="https://techblog.gccompany.co.kr/2025%EB%85%84-aws%EC%9D%98-%ED%94%84%EB%A6%AC%ED%80%84-aws-re-invent-2024-keynote%EB%A1%9C-%EB%B0%94%EB%9D%BC%EB%B3%B8-%ED%95%B5%EC%8B%AC-%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EC%A0%95%EB%A6%AC-a07ddde2dc95"><strong>2025년 AWS의 프리퀄 : AWS re:Invent 2024 Keynote로 바라본 핵심 인사이트 정리</strong></a>]</p><p>글에서 별도로 확인 가능합니다!</p><p>발표 동안 CEO인 Matt Garman으로부터 여러 번 “AWS is never satisfied” 이라는 말이 나왔던 것 같습니다. 지구 단위로 큰 스케일의 대단한 일들을 현실로 이루어내는 와중에도 절대 만족하거나 자만하지 않는 자세로 해낸 것과 앞으로 해낼 것들에 대해 발표를 이어나가는 모습이 멋졌고 저에게도 많은 영감과 자극을 주었습니다.</p><p>AWS re:Invent는 IT에 몸을 담고 있는 사람이라면 정말 많은 것을 보고 듣고 느낄 수 있는 대단한 이벤트였습니다. 현재 기술 트렌드부터 업계 네트워킹 뿐 아니라 IT 종사자로서의 견문을 넓힐 수 있는 선물같은 출장이었습니다 :)</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FC1MCOiEfM5U%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fshorts%2FC1MCOiEfM5U%3Ffeature%3Dshare&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FC1MCOiEfM5U%2Fhq2.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/a88e1958920f3a0caa54261bae9f8154/href">https://medium.com/media/a88e1958920f3a0caa54261bae9f8154/href</a></iframe><p>매일 2~3만보씩 걸어야 하고 일정 내내 잠도 부족했지만(집에왔더니 2킬로 빠졌더라구요) 너무 보람찼던 2024 AWS re:Invent 후기는 여기서 마치고자 합니다.</p><p>읽어주셔서 감사합니다:)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8c5fc96acfc4" width="1" height="1" alt=""><hr><p><a href="https://techblog.gccompany.co.kr/2024-aws-re-invent-%EC%8A%A4%EC%BC%80%EC%B9%98-8c5fc96acfc4">2024 AWS re:Invent 스케치</a> was originally published in <a href="https://techblog.gccompany.co.kr/">여기어때 기술블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[여기어때 Hackathon 2024 : Gen AI를 활용한 챗봇]]></title>
            <link>https://techblog.gccompany.co.kr/%EC%97%AC%EA%B8%B0%EC%96%B4%EB%95%8C-hackathon-2024-gen-ai%EB%A5%BC-%ED%99%9C%EC%9A%A9%ED%95%9C-%EC%B1%97%EB%B4%87-f69b0d14c6ec?source=rss-ae8a4d9aea57------2</link>
            <guid isPermaLink="false">https://medium.com/p/f69b0d14c6ec</guid>
            <category><![CDATA[ios]]></category>
            <category><![CDATA[chatbots]]></category>
            <category><![CDATA[여기어때]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[hackathons]]></category>
            <dc:creator><![CDATA[Draak]]></dc:creator>
            <pubDate>Tue, 10 Dec 2024 08:58:26 GMT</pubDate>
            <atom:updated>2024-12-12T03:56:30.057Z</atom:updated>
            <content:encoded><![CDATA[<h3>여기어때 Hackathon 2024 : Gen AI를 활용한 챗봇</h3><p>안녕하세요. iOS 개발팀 드락입니다.</p><p>2024년 11월 28~29일에 걸쳐 여기어때 해커톤 1회가 열렸는데요. 저도 팀을 꾸려서 참여했고, 1박 2일 동안 신선한 고민들을 하면서 즐거운 시간을 보냈습니다. 저희 팀의 아이템은 숙소 추천 챗봇이었고요. 이를 구현하기 위해 사용된 몇 가지 기술과 방법론, 느낀 점 등을 기술 블로그를 통해 공유하려 합니다.</p><p>사실 여기어때는 7년전에 챗봇을 출시했던 적이 있어요. 알프레도라는 숙소 검색을 도와주는 집사 챗봇입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/696/1*9JYda3mYrlNIGVASZq4fBg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/590/1*R1Tw05BG2iB6LNpkAmc0Tw.png" /></figure><p>숙소 검색 도우미 챗봇이라면..</p><ol><li>자연어로부터 핵심 키워드들을 추리 및 추출해 내고</li><li>이를 통해 알맞은 숙소를 유저에게 제공하는 기능</li></ol><p>위 두 가지가 핵심 기능이라고 할 수 있겠는데요. 당시에는 자연어 파싱을 직접 개발한 엔진을 통해서(!!) 처리했었습니다. 자연어의 무궁무진한 배리에이션 때문에 이 파싱이란 게 무진장 어렵습니다. 개발하면서 샘플로 상정하고 테스트했던 텍스트들에는 잘 대응되겠지만..조금만 말이 달라져도 요청사항을 인지하지 못하고 헤메는 모습을 보였었죠..</p><p>재미는 있었지만 서비스로 지속되기에는 좀 부족한 퍼포먼스로.. 그렇게 알프레도는 출시 후 오래 지나지 않아 은퇴했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9oZe4XSmXttisAbDJh2GiQ.png" /><figcaption>안녕 알프레도..</figcaption></figure><p>저희 팀의 해커톤 아이템 컨셉은 알프레도의 부활이었습니다. 그때 모습과 성능 그대로 부활만 해서는 의미가 없겠죠? Google Vision API, ChatGPT API, Apple STT(Speech to Text) Framework 등을 사용하여 이전 알프레도보다 강력해져서 돌아왔습니다!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/228/1*PRtNKJegD1rfzGsA_Sh3SQ.png" /><figcaption>돌아온 알프레도의 무기들</figcaption></figure><p>돌아온 알프레도에 사용된 핵심 기술은 다음과 같이 4가지로 정리할 수 있겠는데요.</p><ol><li>자연어 파싱</li><li>STT(Speech to Text)</li><li>태그기반 이미지 검색</li><li>해시태그 추천</li></ol><p>하나씩 차례대로 이야기해보겠습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0RCPKmkyU_HJE6weCgm5mQ.png" /></figure><p><strong>1.자연어 파싱</strong></p><p>챗봇을 만들려면 우선 가장 기본 기능인 자연어 파싱 성능부터 확보해야 했습니다. 자연어는 굉장히 난해하고 배리에이션이 다양하기 때문에, 직접 파싱 엔진을 만드는 것은 그다지 현명한 방법이 아닙니다. 세상엔 이미 강력한 LLM들이 여럿 공개되어 있으니까요 :) 이를 활용하기로 합니다. Google의 Gemini와 OpenAI의 ChatGPT, 두 가지 솔루션을 최우선 후보로 두고 며칠에 걸쳐 다양한 대화를 통해 면접(?)을 진행한 후 최종적으로 ChatGPT를 채용하기로 했습니다.</p><p>자연어로 이루어진 유저의 질문으로부터 숙소 검색에 핵심적인 내용들을 찾아내고 이를 숙소 검색에 필요한 내용으로 정제해 내는 기능을 ChatGPT 프롬프팅을 활용해서 구성했습니다. LLM에 프롬프팅을 활용해서 자연어를 xml, json, SQL 등의 정제된 내용으로 변환하는 기술은 최근에 많은 곳에서 사용되기 시작한 핫한 기술이기도 합니다.</p><p>저희는 여기어때의 검색 API가 연동되어 동작할 수 있도록 필요한 파라미터들이 자연어로부터 추출될 수 있는 프롬프트를 작성했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*531UlRvLN04rHR81EgC6Ow.png" /><figcaption>알프레도의 DEBUG 모드입니다. 채팅 아래쪽에 JSON형식으로 추출된 값들을 볼 수 있습니다.</figcaption></figure><p>우선, ChatGPT가 Hallucination 없이 자연어를 올바른 JSON으로 잘 치환할 수 있도록 프롬프팅해야 했구요. 여기에 지역검색, 제휴점 이름 검색, 자동완성 등 우리 검색 API에서 지원 가능한 검색 방식 들 중 어떤 기능을 선택해서 작동해야 할지 조건을 판단하도록 프롬프팅하는 부분도 꽤 어려웠습니다.</p><p>“대부도 펜션 추천좀 해봐&quot; 처럼 지역 + 카테고리 기반 검색 결과를 제공해야 하는 경우도 있고요, “조선팰리스 보여줘” 처럼 정확한 제휴점 명칭 기반 검색 결과도 잘 제공되어야 했거든요.</p><p>간단한 지침은 완벽하게 수행하지만, 프롬프트의 요구사항들이 점점 복잡해질수록 ChatGPT의 동작도 잘못될 공산이 커집니다. 또한 같은 질문에 ChatGPT가 같은 대답을 한다는 보장도 없습니다. 잘 대답하던 ChatGPT가 다음날이 되니 딴소리를 한다거나 가끔씩 이상한 대답을 하는 경우도 많았습니다. 달리 뾰족한 해결 방법론은 없구요, 여러가지 경우의 수들을 가지고 많은 테스트를 긴 시간에 걸쳐 시도해보면서 ChatGPT가 원하는 동작을 안정적으로 수행하도록 조금씩 프롬프트를 튜닝해 나가는 방법밖에 없습니다.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FIf2OeXpBoDs%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DIf2OeXpBoDs&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FIf2OeXpBoDs%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/859cf36a00814c81478f8941c16c5890/href">https://medium.com/media/859cf36a00814c81478f8941c16c5890/href</a></iframe><p><strong>2. STT(Speech to Text)</strong></p><p>자연어 파싱과 항상 콤비로 따라다니는 기술이기도 하죠, STT입니다. 굳이 키보드로 타이핑할 필요 없이 말로 하면 그대로 받아쓰기 되는 기능이죠. STT(Speech to Text), TTS(Text to Speech), STS(Speech to Speech) 셋 다 궤를 같이하는 기능입니다.</p><p>iOS 개발자인 저는 그냥 Speech Framework을 잘 쓰기만 하면 아이폰의 고품질 STT 기능을 활용할 수 있습니다. 이를 위에 말씀드린 자연어 파싱 기능과 연결하면, 휴대폰에 대고 “알프레도. 오늘 묵을 근처 호텔 보여줘&quot; 라고 말만 하면 되는거죠 :) 해커톤 시연도 키보드 타이핑 대신 대부분 스피치로 진행했습니다.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F4PBdthxInXY%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D4PBdthxInXY&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F4PBdthxInXY%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/05c149392247a65de60baa53f0851f2b/href">https://medium.com/media/05c149392247a65de60baa53f0851f2b/href</a></iframe><p><strong>3. 이미지 태깅 및 검색</strong></p><p>Google Vision API를 통해 제휴점 이미지의 메타데이터를 태깅하고 색인 DB를 구축하여 이미지 기반 숙소 검색 기능을 제공합니다. 알프레도에게 사진을 전송하면, 사진과 유사한 숙소를 찾아주고요, 검색 결과에서 “이 숙소와 비슷한 숙소 찾아줘” 등의 명령을 통해 유사 숙소 검색 기능을 제공합니다.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2F_NmWfhxZ84o%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3D_NmWfhxZ84o&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2F_NmWfhxZ84o%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/83073da34c5c6c66ebb87537d3aa8c49/href">https://medium.com/media/83073da34c5c6c66ebb87537d3aa8c49/href</a></iframe><p>실제 여기어때가 보유한 제휴점 환경과 동일한 수준의 숙소 태그를 준비해 둬야 태그 매칭과 연관 단어 추출 등에 대한 실제 동작 여부를 실제로 진지하게 판단할 수 있다고 생각해서 여기어때가 서비스 하고 있는 펜션과 호텔 제휴점 전체 이미지를 전부 태깅했습니다. 850만개정도의 태그가 추출되었구요, 이를 제휴점 id, 사진들과 연관지어 색인 DB를 구축했습니다.</p><p>시간은 10시간 정도 소요되었고 비용은 대략 20만원정도 사용된 것 같습니다. 규모대비 이 정도면 거의 공짜죠? (여기에 추가로 이후 제휴점 사진이 변경될 때마다 관련 태그를 업데이트하는 운영 비용이 아주 작은 수준으로 발생하긴 할겁니다)</p><p>Google Vision API를 통한 이미지 태깅 및 활용에 대한 추가적인 내용은</p><p><em>“</em><a href="https://techblog.gccompany.co.kr/ai-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9D%B8%EC%8B%9D-%EA%B8%B0%EC%88%A0%EC%9D%84-%EC%9D%B4%EC%9A%A9%ED%95%9C-%EC%88%99%EC%86%8C-%ED%83%90%EC%83%89-3409bd0a23ae"><strong><em>AI 이미지 인식 기술을 활용한 숙소 탐색</em></strong></a><em>”</em> 글을 읽어보세요!</p><p><strong>4. 해시태그 추천</strong></p><p>숙소로부터 추출된 메타 키워드들을 GPT에게 학습시킨 뒤 이들을 기반으로 적당한 추천어들을 선별해 해시태그를 생성해냅니다. 이를테면 “메타 키워드들로부터 여행 또는 숙소의 풍경이나 테마와 상호 연관성이 높은 한글 단어를 100개 추출해줘&quot;처럼요.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*d_ynLq8nTOoQuKyM8J0cCg.png" /><figcaption>태그를 학습시킨 ChatGPT와 함께 이런식으로 원하는 값들을 탐색해볼 수 있습니다.</figcaption></figure><p>반대로 내가 만들고 싶은 해시태그와 연관성이 있는 키워드들이 어떤 것들이 있는지도 확인해보고 이를 바탕으로 적당한 해시태그-키워드 관계를 구축할 수도 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*c4EZqy0gn0wQJ-_PBaW1Ag.png" /></figure><p>쓰기 좋게 달라는대로 요청하면 요청대로 제공해 줍니다 :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*z-QfFSoTCkcZZNBmYLxVWQ.png" /></figure><p>이를 이용해 한글로 된 해시태그와 연관된 메타키워드 테이블을 구축해서 필터 또는 검색에 활용하게 됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RRvb30WHmL_XqUaibttaMA.png" /><figcaption>이런 느낌이라고 보시면 됩니다</figcaption></figure><p>또한 정확한 해시태그로만 매칭되서 동작하는 게 아쉽다면 연관성 있는 단어들을 모아서 구성할 수도 있습니다.</p><p>이를 유의어 테이블이라고 하구요, 자연어 처리에 필수로 따라붙는 기능이기도 합니다 :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/785/1*LagZydOAum3hUutH-WvETw.png" /></figure><p>이 역시 사람이 하나 씩 생각해서 작성하는 게 아니라 ChatGPT에게 연관성 있는 유사단어들로 위와 같은 구조의 JSON을 만들어달라고 요청한 뒤 이를 검토하고 서비스에 적합하게 살짝 손 본 뒤 활용하면 됩니다 :)</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FDTNBT6APIIg%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DDTNBT6APIIg&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FDTNBT6APIIg%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/b58145d6ef6c3158248fe3dac00bf8ad/href">https://medium.com/media/b58145d6ef6c3158248fe3dac00bf8ad/href</a></iframe><p>이렇게 대략 4가지 기술을 활용해서 챗봇을 구현했고 해커톤 시연도 잘 마쳤습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PhuSt7tAwpV0YYDg4r2tvA.jpeg" /><figcaption>여기어때 해커톤 2024 챗봇 시연중</figcaption></figure><p>사실 위 기술들이 꼭 챗봇과의 채팅이라는 형태의 인터페이스로 사용자에게 전달될 필요는 없습니다. 여기어때 검색 홈 화면에서 마이크 버튼을 누르고</p><p>“10만원이하 근처 모텔 보여줘&quot;</p><p>또는</p><p>“다음주 토요일에 시그니엘 가고 싶어&quot;</p><p>라고 말해서 숙소를 검색하는 모습을 상상해보세요. 재미있지 않나요? :)</p><p>Gen AI 는 선택의 문제가 아니라 앞으로 IT를 넘어 산업 전반에서 꼭 다루어야 할 피할 수 없는 흐름인 것 같습니다. 세계적인 IT 최신 기술과 솔루션 행사인 AWS re:Invent 2024 세션의 거의 대부분이 Gen AI 관련 기술 및 활용 사례에 대한 발표였고요.</p><ul><li>자연어 파싱 및 이를 도울 연관어 Table 구축</li><li>LLM 프롬프팅 및 학습</li><li>자연어 to JSON, XML, SQL, Chart</li><li>TTS, STT, STS</li><li>Image Labeling</li><li>학습된 LLM을 활용해 대용량 데이터를 분석해서 기획전 또는 캠페인 컨텐츠 자동 생성</li></ul><p>이번 해커톤 아이템을 진행하면서 활용해 본 것들과 놀랍도록 똑같은 기술들과 접근법들이 내로라하는 회사에서 빠르게 검토되고 활용되고 있었습니다. 앞으로 Gen AI가 우리에게 어떠한 변화를 가져다줄지, 그 속도가 너무 빨라서 예측하기가 어렵고 때론 두렵기도 하지만..거부할 수 없는 흐름이라면 함께하는 방법밖에 없겠죠? 잘 준비해서 해당 기술들에 대한 인사이트를 가지고 새로운 개발 패러다임들을 소화해 나간다면 앞으로도 재미있지 않을까 낙관해봅니다 :)</p><p>여기까지 읽어주셔서 감사합니다!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f69b0d14c6ec" width="1" height="1" alt=""><hr><p><a href="https://techblog.gccompany.co.kr/%EC%97%AC%EA%B8%B0%EC%96%B4%EB%95%8C-hackathon-2024-gen-ai%EB%A5%BC-%ED%99%9C%EC%9A%A9%ED%95%9C-%EC%B1%97%EB%B4%87-f69b0d14c6ec">여기어때 Hackathon 2024 : Gen AI를 활용한 챗봇</a> was originally published in <a href="https://techblog.gccompany.co.kr/">여기어때 기술블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 이미지 인식 기술을 활용한 숙소 탐색]]></title>
            <link>https://techblog.gccompany.co.kr/ai-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9D%B8%EC%8B%9D-%EA%B8%B0%EC%88%A0%EC%9D%84-%EC%9D%B4%EC%9A%A9%ED%95%9C-%EC%88%99%EC%86%8C-%ED%83%90%EC%83%89-3409bd0a23ae?source=rss-ae8a4d9aea57------2</link>
            <guid isPermaLink="false">https://medium.com/p/3409bd0a23ae</guid>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[image-labeling]]></category>
            <category><![CDATA[ios]]></category>
            <category><![CDATA[여기어때]]></category>
            <dc:creator><![CDATA[Draak]]></dc:creator>
            <pubDate>Thu, 14 Nov 2024 07:15:02 GMT</pubDate>
            <atom:updated>2024-12-10T00:40:28.190Z</atom:updated>
            <content:encoded><![CDATA[<p>안녕하세요, 여기어때컴퍼니 iOS개발팀 드락입니다.</p><p>올해 저는 UX+APP Code Prototype Sprint라는 사내 사이드 프로젝트를 통해, 프로젝트 팀원들과 함께 새로운 기술을 활용하여 여기어때에 반영해 볼 만한 기능에 대해 리서치하고 구현 및 테스트 해 볼 기회가 있었습니다. 이때 진행했던 AI 이미지 인식 기술을 이용하여 숙소 이미지로부터 태그 추출 및 해당 태그를 활용한 유사 숙소 검색 기능과 그 과정에서 고민했던 부분들에 대해 소개드리고자 합니다.</p><h3>“사진으로 숙소를 검색하면 어떨까?”</h3><p>우선, 브레인스토밍에서 나온 여러 아이디어들 중 <em>‘사진으로 숙소를 검색할 수 있다면 어떨까’</em>라는 주제가 채택되었구요, 실제로 이를 구현하기 위해 필요한 기술, 실현 가능성, 워킹 퀄리티, 비용, 난이도 등의 개발 피저빌리티를 본격 검토해보기 시작합니다.</p><p>통상 숙소 분류의 기준으로 활용될 수 있는 정보는 다음과 같습니다.</p><ul><li>지역, 이름, 가격대</li><li>호텔인지, 펜션인지, 모텔인지 등의 숙소 카테고리</li><li>호텔이라면 몇성급인지 숙소의 등급</li><li>숙소가 제공하는 각종 서비스. (수영장, 피트니스, 사우나, 바베큐 여부 등)</li></ul><p>여기에 추가로, 숙소가 어떻게 생겼는지, 어떤 뷰를 제공하는지 등의 정보를 제공하는 ‘숙소 사진’ 이 사용자가 어떤 숙소를 골라서 자세히 살펴보기 시작하는 진입 시점에 가장 직관적이고 또 중요한 판단 기준이라고 생각했습니다.</p><p>그렇다면 사용자가 숙소를 살펴보기로 결정하는 변수로서 숙소 사진이 높은 비중을 차지하는 거까지는 알겠는데, 중구난방 다양한 패턴과 형태로 촬영되어 있어 정형화하기 어려운 성격인 숙소 사진들을 어떻게 우리가 활용할 수 있는 데이터로 바꾸고 그걸 또 어떤 식으로 핸들링 해야 할지. 여기가 기술적인 핵심 포인트였는데요, 이 영역에서 AI가 활약하게 됩니다.</p><h3>“어떻게 사진으로 비슷한 숙소를 찾아낼까?”</h3><p>유사 숙소를 찾기 위해 일단은 사진을 단순히 이미지 대 이미지로 대조하는 방식부터 검토해봤습니다. 이런 방식은 픽셀 기반 유사도 측정, 구조 기반 측정, 특징 기반 측정 등등 여러가지 알고리즘이 있었는데요. 이미지 비교 알고리즘들은 두 이미지 사이에서 미묘하게 달라진 부분이 있는지를 찾아내는 솔루션으로서 특화었거나, 그래픽적으로 접근해서 두 이미지 사이의 유사도를 측정하는데 집중한 형태여서 온갖 정보가 비정형적으로 나열된 성격을 띠는 숙소 사진들간의 매칭 분석에는 잘 맞지 않는 것 같았습니다.</p><p>어떤 알고리즘을 사용하든간에 이미지 기반 대조 방식으로는 이미지의 정체가 무엇인지 사람의 시각적 인식을 반영하지 않기 때문에 실제로 우리가 원하는 기능에 부합하는 느낌으로 워킹할만한 솔루션이 아니라고 판단했습니다.</p><p>예를 들자면, 노을진 바닷가 왼쪽에 수영장, 오른쪽에 흰색 선베드가 배치된 숙소 사진을 가지고, 아침 바닷가 오른쪽에 수영장, 왼쪽에 빨간 선베드가 배치된 사진의 숙소도 검색결과로 살펴볼 수 있어야겠죠!</p><p>이를 위해서는 AI를 활용한 이미지 Labeling 기술을 사용해서 숙소 이미지가 포함하고 있는 이미지 내 메타 정보들을 추출 및 태깅하고, 이를 활용해서 숙소 매칭 기능을 제공하는 방향이 적절하다고 판단했습니다. 단편적으로 매번 이미지를 프로세스하는 게 아니라 태그 데이터를 구축 후 활용한다는 측면에서 비용적 이점&amp;엄청난 향후 활용 잠재성이 있기도 하고요!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pbTd71sPhrChRcdr3DUGIA.png" /><figcaption><strong>AI를 이용한 그래픽 대조 : 비슷한 숙소 맞나…?</strong></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*AktKQnrSunTfYbkd1Wh-pg.png" /><figcaption><strong>AI 라벨링을 통한 메타 태그 대조 : 비슷한 숙소 맞네!</strong></figcaption></figure><p>이미지에서 태그 추출 솔루션도 여러 서비스들이 있었는데요, 몇 가지 검토 후 최종적으로 가장 강력한 성능&amp;지속적인 서비스 지원이 가장 우수할 것이라 판단된 Google Cloud Vision API가 채택되었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*byO9t3i3m_CbfupPUiGw6Q.png" /><figcaption><strong>힘세고 오래가는 대감집 서비스는 역시 구글 아니겠습니까요^^</strong></figcaption></figure><p>모텔 카테고리는 숙소가 가진 특성상 사진만으로 숙소 변별력을 주기는 어려웠고요, 펜션 호텔 리조트 카테고리영역에서 기능을 서비스하는 게 잘 맞겠다고 생각했습니다. 데모에서는 여기어때가 보유하고 있는 펜션/호텔카테고리에서 일부 3,700여개 제휴점 샘플을 대상으로 이미지 태깅을 진행해서 총 2,100,000개 정도의 숙소 이미지-태그 매칭 데이터를 확보했습니다.(몇 시간 안걸려요!)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qFYkDUTr3pIl44jm3iBMQg.png" /><figcaption><strong>이미지에서 태그를 추출해보면 오른쪽처럼 이미지가 포함하고 있는 메타 정보 수십개가 추출됩니다</strong></figcaption></figure><p>이제 이 태그들을 가지고 유저가 기준으로 제시하는 사진 또는 특정 숙소 사진을 기준으로 삼아 이와 매칭률이 높은 숙소들을 추려서 유저에게 제공할 수 있게 됩니다. 뇌피셜 이론은 대충 다 된 거 같고 남은 작업은 실제 구현입니다.</p><h3>“진짜 써먹을 만 할 정도로 잘 동작할까..? 잘 된다면 어느 정도로 잘 될까?”</h3><p>이거만큼은 실제 데이터로 직접 구현해서 해보기 전에는 도무지 알 길이 없었습니다. 그래서 태그와 태그 스코어 등을 사용해서 매칭 포인트를 계산해서 세가지 기능을 제공하는 데모를 만들었습니다.</p><ol><li>유저가 올린 사진과 유사한 숙소를 제공하는 기능</li><li>유저가 고른 여기어때 숙소 사진을 기반으로 비슷한 숙소 찾아주기 기능</li><li>유저가 최근에 살펴본 숙소 태그를 기반으로 홈에 유사한 숙소 추천 기능</li></ol><p>영상들을 보시죠(데모앱이라 처리속도가 살짝쿵 느린 점 양해 부탁드립니다.)</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FWH1yXPYwGYs%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fshorts%2FWH1yXPYwGYs&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FWH1yXPYwGYs%2Fhq2.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/49ba48b066ccabbe121e31ae6a2e588a/href">https://medium.com/media/49ba48b066ccabbe121e31ae6a2e588a/href</a></iframe><p><strong>1번-유저가 올린 사진과 유사한 숙소를 제공하는 기능</strong></p><p>유저가 올리는 사진에서 즉시 태그를 추출해낸 뒤에 비교해야 하다보니 매 요청마다 태그 추출 프로세싱이 발생합니다. 또한 유저가 사진첩에서 무슨 사진을 올릴지 우리가 컨트롤 할 수 없기 때문에 어떤 검색결과가 제공될지도 가늠할 수가 없어서 상시 안정적인 품질 제공성 확보가 불가능한 구조입니다. 이런 이유들로 살짝 좀 애매합니다만...사진을 올리면 비슷한 숙소를 보여주겠다! 라는 어그로는 좀 끌 수 있을 거 같습니다..(ㅎㅎㅎ) 상식적인 선에서 사진을 올린다면 상식적인 선에서 숙소가 잘 매칭되는 모습을 보여줍니다 :)</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FWU1h5ziNRD0%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DWU1h5ziNRD0&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FWU1h5ziNRD0%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/c67c37394dca177c7ec7a47d95cfb55e/href">https://medium.com/media/c67c37394dca177c7ec7a47d95cfb55e/href</a></iframe><p><strong>2번-여기어때 숙소 사진을 기반으로 비슷한 숙소 찾아주기 기능</strong></p><p>이쪽은 미리 배치를 통해 사전에 구축해둔 숙소 태그들끼리의 대조여서 매번 Google Cloud Vision API 쿼리를 발생시킬 필요가 없고요, 숙소 사진대 숙소 사진 매칭이어서 검색결과의 Average Case가 안정적으로 잘 나오는 편이고 Best Case와 Worst Case 역시 여러가지로 테스트 해 본 결과 대략 납득할만한 수준에 수렴합니다.</p><p><strong>3번-유저가 검색했거나 상세화면에 다녀온 숙소의 태그를 기반으로 유사한 숙소들을 여기어때 홈 추천 숙소 영역에 제공</strong></p><p>이 기능은 글로도 설명이 다 되어서 영상은 생략합니다 ㅎㅎ</p><h3>“데이터 구축 작업. 근데 이제 AI를 곁들인..”</h3><p>보유한 숙소 사진들의 메타정보를 텍스트 형태의 키워드로 추출하고 이를 정제해서 정리해두는 작업은, 활용하기에 따라서 정말 강력한 파워를 발휘할 수도 있습니다.</p><p>이미지 검색이라는 개발 컨셉 외에 구축된 태그들의 패턴이나 분포를 분석해서 대표성이 있는 태그들로 숙소를 추천하거나 그룹핑하는 용도로 활용할 수도 있겠고요, 자연어 검색 기능 역시 사람 입장에서 시각적인 측면의 오더가 다량으로 발생하기 때문에 사진 베이스로 추출된 태그가 잘 활용될 수 있을 것이라고 생각합니다. 태그 활용 방안 썰을 나열하다 보면 아티클 50 min read 분량도 가능할 것 같은데요, 목표했던 10분 이내로 가볍게 살펴볼 수 있도록 하기 위해 이만 줄이고 넘어가 봅니다 :)</p><p>AI의 등장으로 사람이 살펴보고 생각해서 정의하는 형식으로 구축하는 것과는 비교 자체가 불가능한 속도와 분량의 데이터 구축이 아주 저렴한 비용으로 가능해졌습니다. 이를 활용해 우리가 보유한 각종 데이터에서 어디를 캐면 쓸만한 게 나올지, 캐낸 것들을 어떻게 활용할지 앞으로 즐거운 고민들이 많다고 생각합니다.</p><p>이번 프로젝트는 AI 서비스 활용과 데이터 구축 및 활용에 대해 한번 슥 맛볼 수 있는 좋은 기회였는데요. 전통적(?)인 개발 사고방식인 니즈부터 결과물 까지의 여정에 있어서, 개발자가 개발을 통해서 정확히 설계나 의도대로 결과가 도출되도록 처리하는 것과는 결이 좀 달랐습니다.</p><p>AI모델을 활용해서 제공되는대로 값을 잔뜩 받은 뒤 이에 대한 분석과 튜닝을 통해 내가 원하는 수준의 결과물에 최대한 가깝도록 확률적으로 적중시켜야 하는 신선한 개념의 작업이었습니다(해보기 전에는 될지 안 될지, 어느 수준까지 잘 될지 가늠이 어려웠다는 소리입니다..-_-;;)</p><p>당장 필요한 기능에 대한 지원 여부를 넘어 앞으로 필요할 가능성이 있는 잠재적 니즈까지 사전에 아우를 수 있는 설계 인사이트와 지속적인 개선 사이클이 필요한 난이도 있는 영역이라고 느꼈습니다. 잘 가꾸고 쌓아나간다면 시간이 흐를수록 노후화하는 게 아니라 그 파워와 가치가 지속적으로 상승하는 영역일 거 같습니다!</p><p>이상으로 글을 마치겠습니다. 읽어주셔서 감사합니다!!!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3409bd0a23ae" width="1" height="1" alt=""><hr><p><a href="https://techblog.gccompany.co.kr/ai-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9D%B8%EC%8B%9D-%EA%B8%B0%EC%88%A0%EC%9D%84-%EC%9D%B4%EC%9A%A9%ED%95%9C-%EC%88%99%EC%86%8C-%ED%83%90%EC%83%89-3409bd0a23ae">AI 이미지 인식 기술을 활용한 숙소 탐색</a> was originally published in <a href="https://techblog.gccompany.co.kr/">여기어때 기술블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[여기어때 iOS 앱의 네트워크 모듈 리팩토링&화면 로딩 기능 개선 이야기]]></title>
            <link>https://techblog.gccompany.co.kr/%EC%97%AC%EA%B8%B0%EC%96%B4%EB%95%8C-ios-%EC%95%B1%EC%9D%98-%EB%84%A4%ED%8A%B8%EC%9B%8C%ED%81%AC-%EB%AA%A8%EB%93%88-%ED%99%94%EB%A9%B4-%EB%A1%9C%EB%94%A9-%EA%B8%B0%EB%8A%A5-%EA%B0%9C%EC%84%A0%EC%97%90-%EB%8C%80%ED%95%B4-6b33aea0f0c5?source=rss-ae8a4d9aea57------2</link>
            <guid isPermaLink="false">https://medium.com/p/6b33aea0f0c5</guid>
            <category><![CDATA[ios]]></category>
            <category><![CDATA[swift]]></category>
            <category><![CDATA[rxswift]]></category>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[여기어때]]></category>
            <dc:creator><![CDATA[Draak]]></dc:creator>
            <pubDate>Thu, 26 Sep 2024 00:01:37 GMT</pubDate>
            <atom:updated>2024-10-17T01:08:36.088Z</atom:updated>
            <content:encoded><![CDATA[<p>안녕하세요, 여기어때컴퍼니 iOS개발팀 드락입니다.</p><p>iOS개발팀은 우리의 일터인 여기어때 앱 프로젝트에 적용된 기술 스택이 업계 메인스트림에서 뒤쳐지지 않도록 항상 노력 중인데요, 여기어때 기술블로그라는 공간을 통해 최근에 진행한 여기어때 앱의 Network/Adapter 모듈 구조 개선에 대해 한 번 이야기해볼까 합니다.</p><p>이번 구조 개선은 기술적 개선&amp;기능적 개선 두 가지 전부 이루어졌는데요, 개선사항은 다음과 같습니다.</p><blockquote>1. Network, Adapter 모듈과 인터페이스에 RxSwift, RxCocoa 의존성 제거</blockquote><blockquote>2. UI 레벨에서 네트워크 로딩 상태를 자유롭게 핸들링 가능한 구조로 전환</blockquote><p>우선, 첫 번째로 언급한</p><h4><strong><em>Network, Adapter 모듈, 인터페이스에 RxSwift, RxCocoa 의존성 제거</em></strong></h4><p>부터 살펴보겠습니다.</p><p>바로 제거하기 전에 어쩌다 RxSwift에 의존하게 되었는지, 이제와서 굳이 왜 제거하려 하는지를 우선 살짝 짚고 넘어가자면,</p><p>대략 2018년도 즈음.. 앱개발 씬이 ReactiveX Hype 상태일 시절, 세상이 iOS개발자에게 RxSwift &amp; RxCocoa 스킬을 필수 소양으로 요구했었고, 저 역시 RxSwift와 RxCocoa를 익히며 앱의 코어부터 UI레벨에 거쳐 사방팔방에 Rx를 적용했습니다.</p><p>그런데…이제 상황이 약간 변했습니다?</p><p>우선, 1st-Party인 애플에서 Built-in으로 Rx대안 솔루션인 Combine을 발표했고, 지속적으로 지원해주고 있습니다.</p><p>거기에, 기존의 callback 방식을 대체하는 형태로 많이 활용되던 RxSwift 코드들을 대체할 수 있는 차세대 비동기 처리 솔루션인 Async/Await도 발표되었죠.</p><p>1st-party 솔루션을 사용하는 것은 많은 부분에서 이점을 가져다줍니다.</p><ul><li>우선 신뢰도가 높고요, 플랫폼 전반에 걸친 호환성을 보장합니다.</li><li>Swift 컴파일러는 당연하게도 1st-party 타입을 가장 잘 이해하고 있기 때문에, 최적화된 코드를 생성할 수 있고, IDE 에서도 가장 매끈한 개발 지원이 이루어집니다.</li><li>1st-party에서 제공하는 타입들은 통상적으로 플랫폼에 최적화된 성능을 제공하며 지속적인 업데이트와 개선이 이루어집니다.</li><li>Swift 개발자들 사이에서 공통된 이해를 기반으로 하기 때문에, 누구나 빠르게 코드에 접근하고 수정할 수 있습니다.</li></ul><p>요약: 1st-Party 솔루션은 3rd-party 솔루션에 비해 안정성, 성능, 유지보수, 보편성, 프로젝트 러닝커브등 여러가지를 고려했을 때 많은 이점이 있습니다.</p><p>1부터 10,000까지의 값들에 2를 곱하는 작업을 RxSwift와 Combine을 활용해서 각각 100회씩 수행하는 command line tools 프로젝트를 만든 뒤 Instruments를 통해 성능을 측정해 보았습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dQBpQ6bhfuvBb6mXvA6D6Q.png" /><figcaption>좌측 상단부터 시계 방향으로 - 할당된 후 해제되지 않고 계속 유지되고 있는 메모리 블록, 할당된 총 메모리의 양, 발생한 메모리 할당 횟수, 작업 완료까지 걸린 시간</figcaption></figure><p>아무래도 근본 태생이 다른 만큼 성능 면에서도 상당한 차이를 보입니다.</p><p>그렇다면, 우리 프로젝트도 RxSwift에 대한 의존도를 조금이라도 줄이는 방향으로 리팩토링하는 쪽이 유리하다는 판단 아래, View와 ViewModel 을 제외한 프로젝트의 모든 영역에서 탈 Rx하기로 결정합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*P_9Eu85rjF_-68N1Nv5tkQ.png" /><figcaption>안녕 RxSwift..</figcaption></figure><p>여기어때 앱은 1개의 Network, 100여개의 서비스별 NetworkAdapter, 수백개의 Reactor-View 로 구성되어 있습니다.</p><p>우선 앱 내 RxSwift를 활용하던 부분들을 Combine 으로 변경하고요(대부분 간단히 대체됩니다).</p><p>추가로 Network 와 Adapter, 그 사이 인터페이스에서 RxSwift 의존성을 제거하는 작업을 진행합니다.</p><p>기존 구조는 Network 모듈 내에서 RxSwift 를 활용하여 데이터를 Observable 타입으로 감싼 뒤 Adapter 레이어로 리턴해주고, Adapter 역시 같은 사고방식으로 Observable 로 감싸진 데이터를 리턴 타입으로 Reactor 까지 인터페이스하고 있었는데요.</p><p>이렇게 모듈간 인터페이스가 Observable 타입으로 되어있는 구조는 Network 와 Adapter 본체를 비롯해 이들과 인터페이스 할 모든 모듈에 RxSwift 의존성을 강제하게 되는 구조입니다.</p><p>이를 모듈간 인터페이스 역시 가능한 1st-party 에서 제공하는 기본 타입을 활용하여 최대한 표준화되도록 정리합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aFTa5fmj2o8QM29wBrh2bQ.png" /><figcaption>표준화된 인터페이스는 모듈간 호환성 문제를 미연에 방지해 줍니다.</figcaption></figure><p>ReactorKit을 사용하고 있는 여기어때 iOS 앱의 구조상 RxSwift 와 밀접하게 연관되어 있는 Reactor 영역의 각종 Observable 인터페이스들을 표준 인터페이스로 바꾸기 위한 컨버팅 코드가 Reactor 내부에 생겨나 코드의 복잡도가 올라가고 보일러플레이트성 코드가 생겨날 수도 있습니다.</p><p>그렇지만, 이를 일정 부분 감수하더라도 프로젝트 아키텍쳐적인 시각에서 보았을 때 모듈 사이의 인터페이스 정돈이 리액터의 컨버팅 코드로 인한 복잡도 증가보다 더 가치가 있다고 생각했습니다.</p><p>인터페이스 통일은 좀더 큰그림 관점에서 가야할 올바른 방향이고 리액터들 내부의 컨버팅 코드가 지저분하게 늘어난 것은 좀 미안하게 됐지만 당분간은 리액터들이 감수해야 할 사정인거죠! 그 사정은 추후 리액터 영역을 RX 디펜던시에서 자유로운 다른 대체 코드로 적당한 때에 리팩토링하는 형태로 정돈해 나가려는 계획입니다.</p><p>결과적으로, 아래와 같이 RX 제거 작업이 완료되었습니다 :)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*th0skU2arcTLRRrv57_y_A.png" /></figure><p>여기어때 iOS 앱의 모든 영역에 전환 작업이 완료되었다는 건 아니고요….</p><p>앱의 내정보 화면 영역에 해당 리팩토링 건이 첫 반영되어 상용 출시까지 완료되었습니다.</p><p>여기어때처럼 2주 간격으로 새로운 개발과 실험들이 바삐 업데이트되는 상용 앱에 대한 리팩토링 건들은 설계도 중요하지만, 운영 퍼포먼스에 영향이 없도록 점진적으로 어떻게 전환해 나갈지가 더욱 중요합니다. 전환이 앱 전 영역에 거쳐 단번에 이루어질 수 없고, 서비스 안정성에 영향이 없어야 하며, 전환 작업이 상시 병렬로 진행중인 다른 개발건들을 가로막으면 안되기 때문인데요.</p><p>이를 위해 RxSwift 제거작업이 완료된 새로운 Network &amp; Adapter 를 프로젝트에 별도로 추가해두고, 각각의 Reactor 와 View 리팩토링 시점에 새로운 Network &amp; Adapter 로 갈아타는 형태로 점진적 리팩토링 전략을 세워서 진행 중입니다 :)</p><p>이제, 두 번째 개선된 사항인</p><h4><strong><em>화면에 컴포넌트별 개별 로딩 Status 핸들링 지원</em></strong></h4><p>에 대해 이야기해보겠습니다.</p><p>Observable 구독 형태와 다르게 Async/Await 으로 전환된 구조 기반에서는 뷰모델에서 Adapter 에 요청하는 Network Request Task 를 좀 더 쉽게 핸들링할 수 있습니다. 여기에 알맞게 네트워크가 앱 전면에서 로딩바를 동작시키던 기존 구조에서 각각의 뷰 레벨에서 자체적으로 컨트롤 하는 구조로 역할과 책임을 분산시켰습니다.</p><p>이게 무슨뜻이냐면..</p><p>네트워크 모듈에서 앱의 전면 로딩바를 동작시키는 기존 구조에서는 로딩 프로그래스바가 동작하는 동안에는 앱의 모든 기능이 막힌다는 정책만 수용 가능했습니다. 네트워크 입장에서는 현재 화면에 구동중인 뷰의 구성이나 사정을 일일히 알 수 없으니까요.</p><p>이 로딩바를 각각의 뷰 레벨에서 해당하는 화면 상황에 맞는 정책으로 개별 구성하는 구조가 가능해졌습니다. 화면 상단의 뒤로가기 버튼을 예시로 간단한 영상을 통해 한 번 살펴보겠습니다.</p><p>이전의 구조에서는 네트워크 속도가 느린 경우, 로딩이 완료될 때까지 전면 로딩바가 앱과 사용자의 모든 상호작용을 가로막게 됩니다. 그래서 뒤로가기를 포함한 앱의 모든 기능이 일시적으로 사용 불가능했습니다. 로딩이 완료될 때까지 기다린 뒤에 뒤로가기를 눌러서 빠져나가거나, 로딩이 너무 느리면 그냥 앱을 꺼버리고 다시 켜기도 했었죠.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FjFlrDq8PdlM%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fshorts%2FjFlrDq8PdlM&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FjFlrDq8PdlM%2Fhq2.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/ce5ca97d846180a6e23db4dc05d4206d/href">https://medium.com/media/ce5ca97d846180a6e23db4dc05d4206d/href</a></iframe><p>네트워크 작업들에 대한 컨트롤이 화면에서 가능해졌으니 로딩 도중에도 뒤로가기 버튼을 열어두고 언제든 네트워크 작업들을 정리하면서 화면을 탈출하는 식의 동작이 가능해졌습니다:)</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FyKWImoF42J4%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fshorts%2FyKWImoF42J4&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FyKWImoF42J4%2Fhq2.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/87dfa88339bcaf556b814acbe4811116/href">https://medium.com/media/87dfa88339bcaf556b814acbe4811116/href</a></iframe><p>화면 내에 여러 개의 UI모듈이 동시에 로드되는 구성이라면, 모든 모듈 로딩이 완료되지 않은 상황에서도 먼저 로딩이 완료된 다른 모듈의 터치부터 우선 활성화시켜 앱을 계속해서 사용할 수 있도록 처리하는 것도 가능합니다.</p><p>이런 기능은 여기어때 앱 내에 최근 리뉴얼된 카테고리홈 화면에서 이미 구현된 적이 있는데요, 화면 전체 로딩 완료 후에 사용 가능한 것이 아니라 주변 추천 숙소 모듈이 아직 로딩중인 상태에서도 뒤로가기 또는 지역선택 UI등에 대한 상호작용은 막히지 않습니다. 따라서 유저가 기다리지 않고 앱을 계속해서 사용할 수 있도록 개발되어 있습니다.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FA0a_sjtetqk%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fshorts%2FA0a_sjtetqk&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FA0a_sjtetqk%2Fhq2.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="640" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/662639d636ab64668e3f550997fc326f/href">https://medium.com/media/662639d636ab64668e3f550997fc326f/href</a></iframe><p>이때는 기능 테스트 겸 카테고리홈 한정으로 개발자가 열심히 커스텀으로 개발해서 해당 기능이 동작되게 만든거구요 ^_^</p><p>이제는 여기어때 iOS 앱의 어느 화면에서든 해당 스펙을 공식적으로 지원할 수 있는 기반이 아키텍처 차원에서 정돈되었다는 것에 의미가 있습니다!!</p><p>물론 마법처럼 알아서 동작하는건 아니고요.</p><p>화면 내에 비동기적으로 동작하는 개별 리퀘스트들을 다룰 정책 &amp; 개발 복잡도가 과도하게 올라가지 않도록 적절한 스펙 설정이 필요합니다. 로딩별로 어떤 인터렉션을 허용/비허용 처리할지, 난해한 화면 로딩 정책으로 인해 유저의 사용성이 오히려 떨어지는 상황이 발생하지는 않는지 UX측면에서의 많은 고민도 필요하구요.</p><p>앞으로 이런 부분들에 대해 개발팀과 UX팀이 열심히 논의하면서 화면별 로딩을 적용할 계획이구요, 조금 더 쾌적하게 사용할 수 있는 여기어때 앱을 기대할 수 있을 것 같습니다!</p><p>이렇게 여기어때 iOS 개발팀은, 앱의 기능적인 개선, 장기적 관점에서 유지보수, 기술 부채 레벨 관리, 개발자로서 기술 습득 등 여러마리 토끼를 다 잡기 위해 항상 분주히, 또 즐겁게 일하고 있습니다.</p><p>읽어주셔서 감사합니다!!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6b33aea0f0c5" width="1" height="1" alt=""><hr><p><a href="https://techblog.gccompany.co.kr/%EC%97%AC%EA%B8%B0%EC%96%B4%EB%95%8C-ios-%EC%95%B1%EC%9D%98-%EB%84%A4%ED%8A%B8%EC%9B%8C%ED%81%AC-%EB%AA%A8%EB%93%88-%ED%99%94%EB%A9%B4-%EB%A1%9C%EB%94%A9-%EA%B8%B0%EB%8A%A5-%EA%B0%9C%EC%84%A0%EC%97%90-%EB%8C%80%ED%95%B4-6b33aea0f0c5">여기어때 iOS 앱의 네트워크 모듈 리팩토링&amp;화면 로딩 기능 개선 이야기</a> was originally published in <a href="https://techblog.gccompany.co.kr/">여기어때 기술블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>